通过纠正可接受性判别提高语法纠错能力

曹斌（Bin Cao）,蒋凯,潘法玉,陈磊宝,京凡

摘要
现有的语法错误纠正（GEC）方法往往忽略了对被纠正句子的句子级句法和语义的评估。这种疏忽导致了在原句中可能无法接受的最后更正。为了提高语法错误纠正方法的性能，我们提出了纠正可接受性鉴别（CAD）的后处理任务，该任务旨在从“句子级正确性”的角度，通过比较源句子及其纠正版本来删除无效的纠正。为了解决CAD任务，我们提出了一种流水线方法，在该方法中，基于对源语句的预测更正，每个可能的更正组合的可接受性将由鉴别器判断。在鉴别器中，我们设计了一个对称的比较算子来克服句子连接顺序可能导致的冲突结果。实验表明，我们的方法可以平均提高F类0.5在BEA-2019测试集中，13个GEC系统的得分为1.01%。
选集ID：
2024.lrec-main.772年
音量：
2024年计算语言学、语言资源和评估联合国际会议记录（LREC-COLING 2024）
月份：
五月
年份：
2024
地址：
意大利都灵
编辑：
尼科莱塔·卡尔佐拉里,菅直人（Min-Yen Kan）,Veronique主机,亚历山德罗·伦奇,Sakriani Sakti公司,念文学
场馆：
LREC公司|科林
SIG公司：
出版商：
ELRA和ICCL
注：
页：
8818–8827
语言：
网址：
https://aclantology.org/2024.lrec-main.772
内政部：
比比键：
引用（ACL）：
曹斌（Bin Cao）、凯江（Kai Jiang）、潘发玉（Fayu Pan）、鲍晨雷（Chenlei Bao）和范靖（Jing Fan）。2024通过纠错可接受性判别改进语法纠错.英寸2024年计算语言学、语言资源和评估联合国际会议记录（LREC-COLING 2024），第8818–8827页，意大利都灵。ELRA和ICCL。
引用（非正式）：
通过纠正可接受性判别提高语法纠错能力（Cao等人，LREC-COLING 2024）
复制引文：
PDF格式：
https://aclantology.org/2024.lrec-main.772.pdf
PDF格式 引用 搜索